本文格式為Word版，下載可任意編輯——灰度共生矩陣計算灰度圖像的灰度共生矩陣I=imread('circuit.tif');

glcm=graycomatrix(I,'Offset',[20]);灰度共生矩陣的特征：

角二階矩（AngularSecondMoment,ASM)ASM=sum(p(i,j).^2)p(i,j)指歸一后的灰度共生矩陣

角二階矩是圖像灰度分布均勻程度和紋理粗細的一個度量，當圖像紋理絞細致、灰度分布均勻時，能量值較大，反之，較小。熵（Entropy,ENT)

ENT=sum(p(i,j)*(-ln(p(i,j)))

是描述圖像具有的信息量的度量，說明圖像的繁雜程序，當繁雜程序高時，熵值較大，反之則較小。

反差分矩陣（InverseDifferentialMoment,IDM)IDM=sum(p(i,j)/(1+(i-j)^2))

反映了紋理的明了程度和規則程度，紋理明了、規律性較強、易于描述的，值較大；雜亂無章的，難于描述的，值較小

灰度共生矩陣就是一種通過研究灰度的空間相關特性來描述紋理的常用方法。灰度共生矩陣是對圖像上保持某距離的兩象素分別具有某灰度的狀況進行統計得到的。

取圖像(N×N)中任意一點（x，y）及偏離它的另一點（x+a，y+b），設該點對的灰度值為（g1，g2）。令點（x，y）在整個畫面上移動，則會得到各種（g1，g2）。值，設灰度值的級數為，則（g1，g2）。的組合共有k2種。對于整個畫面，統計出每一種（g1，g2）值出現的次數，然后排列成一個方陣，在用（g1，g2）出現的總次數將它們歸一化為出現的概率P（g1，g2），這樣的方陣稱為灰度共生矩陣。距離差分值（a，b）取不同的數值組合，可以得到不可憐況下

的聯合概率矩陣。（a，b）取值要根據紋理周期分布的特性來選擇，對于較細的紋理，選取（1，0）、（1，1）、（2，0）等小的差分值。

為了能更直觀地以共生矩陣描述紋理狀況，從共生矩陣導出一些反映矩陣狀況的參數，典型的有以下幾種:

（1）能量：是灰度共生矩陣元素值的平方和，所以也稱能量，反映了圖像灰度分布均勻程度和紋理粗細度。假使共生矩陣的所有值均相等，則ASM值小；相反，假使其中一些值大而其它值小，則ASM值大。當共生矩陣中元素集中分布時，此時ASM值大。ASM值大說明一種較均一和規則變化的紋理模式。（2）對比度：反映了圖像的明了度和紋理溝紋深淺的程度。紋理溝紋越深，其對比度越大，視覺效果越明了；反之，對比度小，則溝紋淺，效果模糊。灰度差即對比度大的象素對越多，這個值越大。灰度公生矩陣中遠離對角線的元素值越大，CON越大。

（3）相關：它度量空間灰度共生矩陣元素在行或列方向上的相像程度，因此，相關值大小反映了圖像中局部灰度相關性。當矩陣元素值均勻相等時，相關值就大；相反，假使矩陣像元值相差很大則相關值小。假使圖像中有水平方向紋理，則水平方向矩陣的COR大于其余矩陣的COR值。

（4）熵：是圖像所具有的信息量的度量，紋理信息也屬于圖像的信息，是一個隨機性的度量，當共生矩陣中所有元素有最大的隨機性、空間共生矩陣中所有值幾乎相等時，共生矩陣中元素分散分布時，熵較大。它表示了圖像中紋理的非均勻程度或繁雜程度。

（5）逆差距：反映圖像紋理的同質性，度量圖像紋理局部變化的多少。其值大則說明圖像紋理的不同區域間缺少變化，局部十分均勻。其它參數:中值、協方差、同質性/逆差距

、反差、差異性、熵、二階距、自相關

image=imread('F:/1021-4.bmp');%計算圖像的灰度共生矩陣[glcms,SI]=graycomatrix(image);%計